Pemodelan Runtun Waktu Harga Nikel dengan Algoritma LSTM dan GRU

Abstract

Nikel merupakan komoditas penting yang digunakan dalam beberapa industri, seperti produksi baterai untuk kendaraan listrik. Fluktuasi harga nikel yang dipengaruhi oleh permintaan global dan dinamika pasar memerlukan prediksi harga yang akurat untuk mendukung pengambilan keputusan. Dalam penelitian ini, model LSTM dan GRU diterapkan sebagai model yang mampu menangani hubungan temporal kompleks dalam data time series. Data harga nikel yang digunakan berasal dari situs London Metal Exchange (LME). Teknik yang digunakan adalah membuat model LSTM dan GRU untuk melihat kualitas model yang bagus terhadap data yang digunakan. Data dibagi menjadi data latih dan data uji, dan kemudian dilakukan scaling menggunakan MinMaxScaler untuk meningkatkan kinerja model. Model LSTM dan GRU dibangun dengan beberapa layer dan parameter yang telah dioptimalkan. Kemudian dilakukan penyesuaian hyperparameter pada parameter model, termasuk jumlah unit LSTM atau GRU dan dropout rate. Model dievaluasi menggunakan ukuran akurasi dari fungsi Mean Squared Error (MSE) dimana nilai terkecil yang diberikan menunjukkan performa yang lebih baik. Hasil menunjukkan bahwa model LSTM dengan optimizer adam memberikan hasil yang hampir sama dengan model GRU dengan optimizer SGD. Nilai MSE dari model LSTM adalah 0.00056 sedangkan model GRU sebesar 0.00177. Meskipun LSTM sedikit unggul dibandingkan GRU, namun kedua model tersebut memberikan akurasi yang baik dalam memprediksi harga nikel.